此数据集由几千个 Twitter 用户评论（输入文本）和情感（输出标签）组成，用于学习如何培训文本以进行情绪分析。 此数据集是通过实施关键字使用 Twitter API 创建的。 这里的想法是一个数据集不仅仅是一个玩具 - 合理的规模的真实业务数据 - 但可以在几分钟内在一个适度的笔记本电脑上训练。 file/opensearch/documents/92964/data.csv

对话情绪识别 对话情绪识别适用于聊天、客服等多个场景，能够帮助企业更好地把握对话质量、改善产品的用户交互体验，也能分析客服服务质量、降低人工质检成本。 对话情绪识别（Emotion Detection，简称EmoTect），专注于识别智能对话场景中用户的情绪，针对智能对话场景中的用户文本，自动判断该文本的情绪类别并给出相应的置信度，情绪类型分为积极、消极、中性。

aclImdb_v1.tar.gz

酒店评论的情感分析和方面分类 这是MonkeyLearn系列文章的源代码，这些文章与使用机器学习模型分析酒店评论中的情绪和方面有关。 此代码在python2.7中运行。 （2018年5月更新-自从编写了这些蜘蛛以来，TripAdvisor和Booking.com对其网站进行了很大的更改，因此它们不再起作用。博客文章和代码对于作为如何构建Scrapy蜘蛛的示例仍然非常有用，但可悲的是，示例本身已不再起作用。我们将来可能会修复蜘蛛程序，因为它可能足以更新所有选择器以使所有功能再次正常工作。） 代码组织 该项目本身是一个Scrapy项目，用于从TripAdvisor和Booking等不同站点收集培训和测试数据。 此外，还有一系列Python脚本和Jupyter笔记本实现了一些必要的脚本。 TripAdvisor（hotel_sentiment / spider / tripadvisor_sp

中国海洋大学自然语言处理课程实验三全部代码 包含文件： —nlp_application.ipynb

第一，基于Word2Vec的文本获取及预处理。收集和处理微博语料，分为大规模的旧语料和爬取的小规模疫情语料。对文本进行预处理，比如分词，去停用词等，用Word2Vec训练对文本数据进行向量化。 第二，用大规模语料训练Attention-LSTM情感分类模型与将卷积神经网络应用到文本分析的TextCNN模型的实验进行对比，证明Attention-LSTM在文本情感分析的效果更好。 第三，在微博上爬取的小规模语料上做情感分析，分析疫情下人们的情绪情况。 可以发现，Attention-LSTM模型能较好的分析疫情人们的情感态度

情感分析fluidnew.zip

千言数据集：情感分析.zip

1、资源内容：毕业设计lun-wen word版10000字+；开题报告，任务书 2、学习目标：快速完成相关题目设计； 3、应用场景：课程设计、diy、毕业、参赛； 4、特点：直接可以编辑使用； 5、使用人群：设计参赛人员，学生，教师等。 6、使用说明：下载解压可直接使用。 7、能学到什么：通过学习本课题的设计与实现， 了解不同课题的知识内容，学习内部架构和原理，掌握有关课题重要资源， 同时增加自己对不同方面知识的了解，为后续的创作提供一定的设计思路和设计启发 ， 并且可以快速完成相关题目设计，节约大量时间精力，也为后续的课题创作 提供有力的理论依据、实验依据和设计依据，例如提供一些开源代码、设计原理、 原理图、电路图、毕业设计lun-wen word版10000字+；开题报告，任务书等有效的资料， 也可以应用于课程设计、diy、毕业、参赛等不同场景，而且本设计简单，通俗易通， 方便快捷，易于学习，下载之后可以直接可以编辑使用， 可以为设计参赛人员、学生、老师及爱好者等不同使用者提供有效且实用的学习资料 及参考资料，同时也是一份值得学习和参考的资料。

情感分析程度级别词语（英文）,已分级，但没有程度值！！！！！！